AVV blok 4 Flashcards
structuur van onderzoek
= hoe ga je je onderzoek uitvoeren om antwoord te geven op de onderzoeksvraag/probleemstelling
structuur van onderzoek omvat..
o doelgroep
o conceptueel model
afhankelijke variabele
onafhankelijke variabele
relaties tussen alle variabele
o onderzoekshypotheses (H0 en Ha)
o onderzoeksopzet
o steekproef (type en omvang)
o meetmethode & meetinstrumenten
o analysemethode5 type onderzoeksopzetten
- RCT
- Quasi-experiment
- Case-control
- Cross-sectioneel/transversaal/dwarssnede
- follow-up/longitudinaal
Hoe kies je je onderzoeksopzet?
- op basis van je probleemstelling (wat is het dat je wilt weten)
- conceptueel model (afbakenen van je onderzoek)
- praktische omstandigheden zoals budget en tijd
helaas”: opzet is bijna nooit alleen op basis van voorkeur van onderzoek
bijna altijd: één onderzoeksdesign superieur door combinatie probleemstelling, conceptueel model, praktische omstandigheden
experimenteel onderzoek kenmerken
- 1 of meer experimentele interventies (opzettelijke manipulatie) vergelijken met 1 of meerdere controle interventies (contrast) –> de ene groep krijgt wel iets en de andere groep krijgt iets anders of niets
deelnemers worden toegewezen aan experimentele of controle groep
2 type toewijzingen
- willekeur/toeval: RCT (randomised controlled trial)
- niet willekeurig: quasi-experiment
Model RCT en quasi zie aantekeningen
randomisatie
= deelnemers worden toegewezen aan een groep (experimenteel OF controle) op basis van toeval of loting (hierdoor worden demografische en klinische kenmerken ‘geschrapt’, als de pil dus werkt bij groep A, kan dat niet komen doordat er in de ene groep, alleen maar mannen of vrouwen, of doordat de gemiddelde leeftijd zo hoog is)
3 eisen voor goede randomisatie
- randomisatie ‘eerlijk’, zonder fraude
- voldoende deelnemers
- degene die randomiseert mag geen kennis hebben over de precieze randomisatiemethode
altijd controleren of randomisatie is geslaagd
Vormen van randomisatie
- simpele randomisatie
- gestratificeerde randomisatie
andere vormen:
- gewogen randomisatie
- blok randomisatie
- balancing/minimazation scheme
simpele randomisatie
= 1:1 (muntje opgooien) –> handig als je een grote onderzoeksgroep hebt, KAN problematisch zijn in een kleinere onderzoeksgroep
gestratificeerde randomisatie
= rekening houdend met een belangrijke factor (stratum) die de uitkomst mogelijk beïnvloedt
bv. als je het onderscheid tussen mannen en vrouwen wilt hebben. Je scheidt dan mannen en vrouwen, om te zorgen dat er in beide controle en de experimentele groep evenveel mannen als vrouwen zijn en randomiseert ze dan weer 1:1
gewogen randomisatie
= gewogen toewijzing (als je naast je hoofdprobleemstelling ook nog secundaire vraag/probleemstellingen hebt), je hebt dan wat extra mensen in de experimentele groep
blok randomisatie
= gelijke verdeling over experimentele (E) en controle (C)
balancing/minimization scheme
= je begint met een simpele randomisatie en als er dan blijkt dat er meer E dan C is, dan krijgt de eerstvolgende deelnemer een grotere kans op C (en dus een kleinere kans op E)
waarom controlegroep?
- vergelijking onder dezelfde omstandigheden om andere oorzaken/effecten uit te sluiten (causaliteit). We willen een causaal verband kunnen leggen
Soort controle groep interventies
- placebo behandeling
- gebruikelijke/oude behandeling
- niks (geen actieve strategie)
- actief volgen (geen actieve strategie) –> je volgt en monitort dus wel, maar begint pas met actief veranderen op het moment dat bijv. de bloedwaarde boven een bepaalde waarde komt
uitkomst maten en metingen
= vaak meerdere afhankelijke variabelen (uitkomstmaten); complexe vergelijkingen (bijv. effectiviteit, complicaties, kwaliteit van leven, tevredenheid, kosten)
- keuze uit primaire/secundaire uitkomstmaten wordt bepaald door de probleemstelling
‘blinde’ beoordeling
= meting niet laten beïnvloeden door in welke groep deelnemers hebben gezeten
blinde meting
= deelnemer weet niet welke behandeling hij krijgt
dubbele blinde meting
= deelnemer EN onderzoeker weten niet of deelnemer in experimentele of controlegroep zit
kan soms wel, maar vaak niet bijv. medicatie versus operatie
is effecten van behandeling gelijk aan behandel effect?
- natuurlijk effect
- hawthorne
- placebo
- specific treatment
natuurlijk effect
= iets kan op een natuurlijke manier (door verschillende redenen) verbeteren
hawthorne
= doordat mensen meedoen aan een onderzoek en er aandacht aan wordt besteed, kan er verbetering plaatsvinden
specific treatment
= verandering die echt plaatsvindt door de interventie
hoeveel verschillende soorten RCT’s zijn er?
5 (je hoeft ze niet te kennen, gewoon weten dat het er 5 zijn)
Voordelen RCT
- enige onderzoeksopzet die causaal verband (oorzaak-gevolg) kan aantonen
Nadelen RCT
- randomisatie is niet altijd ethisch (bijv. nieuwe experimentele interventie lijkt effectief terwijl controle interventie niet effectief lijkt)
- veel deelnemers nodig –> daardoor vaak lange inclusieperiode, meerdere onderzoekscentra nodig
- kostbaar: strikte check inclusie-/exclusiecriteria, randomiseren, strikte data registratie, ook in follow-up
Wat als je geen RCT kan doen?
–> quasi-experiment
Quasi experiment
= er wordt hier niet gebruikt gemaakt van randomisatie, maar van X (toewijzing). Hierdoor valt toeval weg en kan er een specifieke groep mensen in de experimentele groep belanden die verschillen van de controlegroep (en vice versa). Hierdoor verlies je de mogelijkheid tot het doen van een causaal verband, omdat de groepen dus niet meer gelijk zijn
Quasi experiment X (toewijzing)
- participanten worden toegewezen aan experimentele/controle-interventie op andere manier dan random
- voormeting is gebruikelijk (eigenlijk noodzakelijk): wat zijn de huidige klachten, hoeveel mannen en vrouwen heb ik etc.
- daarna vindt er een nameting plaats
quasi experiment: switching replications design
Wanneer doe je dit?
- eerste 3 stappen hetzelfde
- na de nameting wisselen de groepen
- en vindt er weer een uiteindelijke nameting plaats
Dit doe je voornamelijk als
- iedereen de behandeling wil krijgen
- als je groep erg klein is
LET OP: het feit dat mensen hier in de experimentele groep zaten, mag geen invloed hebben op de uitkomst die je meer doordat ze daarna niet meer in die groep zitten
voordelen quasi onderzoek
- interventie testen
nadelen quasi-onderzoek
- geen randomisatie, dus geen causale uitspraken mogelijk
- veel deelnemers nodig (zelfde als RCT)
- kostbaar (zelfde als RCT)
observationeel onderzoek
= elke vorm van onderzoek waarbij determinant(en) en/of uitkomsten worden gemeten (geobserveerd) zonder enige vorm van interventie
verschillende vormen van observationeel onderzoek
- case control studie (vanuit uitkomst op zoek naar determinant)
- cross-sectioneel/transversaal/dwarssnede (onderzoeken uitkomst en determinant tegelijkertijd)
- longitudinaal/follow-up onderzoek (beginnen bij determinant en kijken of mensen de uitkomst krijgen)
case control studie
- beginnen bij een uitkomst
- er is geen vooraf gedefinieerde populatie
- je wilt weten of de determinant de uitkomst veroorzaakt; je onderzoekt of mensen met en zonder uitkomst wel of niet blootgesteld waren aan de determinant
- onderzoek tegen de tijd in; altijd retrospectief
voordelen case studie
- opsporen van cases (mensen met ziekte) kan altijd, ook als de ziekte erg zeldzaam is
- geen lange wachttijd (latentietijd) totdat uitkomst (ziekte) optreedt (want de cases zijn er al)
- efficiënt
nadelen case studie
- definitie cases/controles; hoe verifieer je dat?
- is determinant goed gemeten (vrij van systematische meetfouten oftewel bias)?
- zijn ALLE relevante determinanten gemeten?
recall bias
= als je aan mensen terug vraagt of ze zijn blootgesteld aan een bepaalde determinant, kan het zijn dat ze het zich niet meer, of niet meer goed herinneren
cross-sectioneel onderzoek doel 1
= schatting geven van determinanten/uitkomst in doelgroep (bv. hoeveel griep gevallen zijn er gemiddeld in de maand november in een jaar? Wat is de gemiddelde lengte van jongens, van een bepaalde leeftijd)
cross sectioneel onderzoek deel 2
= hypothesetoetsing over uitkomst, of determinant-uitkomst relatie (bv. is er een relatie tussen rook- en eetgedrag)
–> je kan dus niet zeggen dat het een het ander heeft veroorzaakt
kenmerken cross sectioneel onderzoek
- ieder individu wordt in een groep eenmaal en op hetzelfde tijdstip geobserveerd of gemeten
- slechts één meetmoment (= snapshot, ad-hoc onderzoek)
- uitkomst met/zonder determinant gemeten
- doorgaans retrospectief (“… de afgelopen maand..”)
voordelen cross sectioneel onderzoek
- groot aantal personen snel ondervraagd
- goedkoop: gebruik van gestandaardiseerde vragen, eenvoudig te coderen
nadelen cross sectioneel onderzoek
- veel kans op bias (bv. selectie en recall bias)
- nooit causaal verband aantonen, je hebt namelijk maar 1 meetmoment
longitudinaal onderzoek
= zelfde als cross sectioneel onderzoek maar met metingen op meerdere tijdstippen/momenten
longitudinaal onderzoek twee typen
- panel (cohort) opgezet = follow-up van dezelfde populatie/groep. populatie/groep is vast over tijd
- trend opzet = ieder meetmoment een andere populatie. populatie is dynamisch over tijd (bijv. elk jaar onderzoek doen naar bachelor 1 studenten over blok 4)
longitudinaal onderzoek kenmerken en doel
- uitkomst met/zonder determinant gemeten
- meerdere meetmomenten
- prospectief/retrospectief
doel: inzicht in ontwikkeling uitkomst(en) en/of determinant(en) over tijd
uitgangspunten en deelnemers longitudinaal onderzoek
uitgangspunten:
panel/cohort: determinant (risicofactor, blootstelling)
trend: uitkomst of determinant en uitkomst
deelnemers:
panel/cohort: duidelijk gedefinieerde vaste groep
trend: steeds een andere (dynamische) groep met dezelfde kenmerken
specifieke panel/cohort studie werkwijze en type
= splits cohort in 2 of meer groepen (met determinant, zonder determinant), wacht af en kijk (na een tijdje) of de groepen verschillen wat betreft de ontwikkeling van de uitkomstmaat over tijd
2 type:
verleden: historisch/retrospectief cohort
heden/toekomst: prospectief cohort
voordelen longitudinaal onderzoek
- ‘goede’ blik op determinant-uitkomst relaties (meerdere meetmomenten)
nadelen longitudinaal onderzoek
- geen causaliteit aantonen
- hoge kosten; duurt lang
- veel administratie: o.a. determinanten (meerdere), uitkomsten (vaak meerdere)
- uitval cohort tijdens onderzoek: samenstelling cohort verandert
- populatie bij trendonderzoek: zijn die helemaal vergelijkbaar? blijkt vaak moeilijk haalbaar
interne validiteit
= zijn de uitkomsten van je onderzoek correct voor alle mensen die je had willen onderzoeken?
externe validiteit
= zijn de uitkomsten generaliseerbaar?
- van steekproef naar totale populatie
- naar andere populaties
- naar andere tijd, plaats of setting
interne validiteit is een voorwaarde voor externe validiteit, andersom geldt dit natuurlijk NIET
wat bedreigt validiteit?
bias = ‘fout’/ onzuiverhied
- selectiebias
- informatiebias
- confounding
selectiebias
= fout betreffende de onderzoek participanten
kan optreden bij de selectie van de onderzoekspopulatie, bij de particitpatie (nemen mensen deel aan het onderzoek of niet?). Het kan daarbovenop zo zijn dat er bij je E en je C uitwisseling plaatsvindt: besmetting en attritie bij het einde van het onderzoek
informatiebias
= fout betreffende de meting van determinanten en/of uitkomst
confounding
= speciale vorm van samenhang tussen onafhankelijke en afhankelijke variabelen
healthy worker effect
= werkende mensen zijn vaak gezond, want om te werken moet je gezond zijn. Werkende populatie verschilt dus van de niet werkende populatie
referral bias
= mensen die verwezen zijn naar de specialist zijn gemiddelde ongezonder dan mensen die bij de huisarts zijn gebleven
admission bias
= selectieve verwijs procedure door huisarts naar specialistische zorg op basis van de te onderzoeken determinant
incidentie-prevalentie bias
incidente personen zijn anders dan prevalente gevallen (dus mensen die net een diagnose hebben gekregen zijn anders dan mensen die al jaren een ziekte hebben)
selectieve participatie
non respons of volunteer bias: responders (deelnemers) verschillen wezenlijk van non-responders (weigeraars). Het is belangrijk om te weten waarom sommige mensen niet mee doen aan een onderzoek
besmetting
- contaminatie = wanneer de deelnemers uit de controle arm (een deel van) de behandeling toch krijgen
- compliance bias = wanneer de deelnemers in verschillende armen van het onderzoek systematisch meer of minder therapietrouw zijn (bv. wanneer in de E een medicijn wordt gebruikt met meer bijwerkingen dan de ander, waardoor ze eerder geneigd zijn om te stoppen)
attributie/uitval - mortaliteit
- withdrawal bias/attritie: deelnemers aan onderzoek zijn uit het onderzoek ‘verdwenen’ (hebben zich teruggetrokken ten tijde van uitkomst-meting)
withdrawal bias/attritie is een probleem wanneer
de overblijvers verschillen:
- cohort onderzoek: van de uitvallers
- experimenteel (RCT en quasi): tussen de behandeling/condities
differentiële misclassificatie
= door meetfouten komt een determinant of uitkomst in de verkeerde klasse terecht
rijping of leercurve effect
= bij eerste onderzoeksparticipanten gaat het onderzoek minder makkelijk, routinematig, waardoor de determinanten/uitkomsten van de eerste participanten kunnen verschillen van de latere
placebo-effect
= interventie kan (technisch) niet effectief zijn maar wordt er toch een effect gemeten (of ervaren) onder deelnemers
wat is statistiek?
‘statistics is a mathematical body of science that pertains to the collection, analysis, interpretation or explanation, and presentation of data’
= een hulpmiddel bij empirisch kwantitatief onderzoek
= nodig bij het opzetten, presenteren en interpreteren van onderzoek
Waarom is statistiek belangrijk voor BMG studenten?
- om zelf bepaalde vraagstukken op te kunnen lossen; welke conclusie kun je uit de data trekken?
- om statistische onderzoeken te kunnen lezen en beoordelen; zijn de methoden correct toegepast, kloppen conclusies?
- het leven buiten bmg
3 soorten verdelingen
- normale verdeling
- t-verdeling
- chi2 verdeling
Normale verdeling
- veel variabelen zijn normaal verdeeld
- het steekproefgemiddelde van een door toeval gekozen (random steekproef) is normaal verdeeld
wat hebben we nodig om normale verdeling te schetsen/visueel te maken?
- gemiddelde en spreiding (belangrijkste)
- minimum en maximum
formule voor de standaard normale verdeling
Z= (x-mu)/sigma
t-verdeling kenmerken
- sigma onbekend
- veel overeenkomsten met normale verdeling
- onzekerheid doordat je sigma uit de populatie niet weet
- grotere spreiding rond het gemiddelde
- d.f.
d.f. (aantal vrijheidsgraden) bij t verdeling
= het aantal patiënten dat in je steekproef zit -1
t- verdeling schetsen en t-waarde
Hoe groter de N, hoe meer de T-verdeling lijkt op een normale verdeling.
T-waarde hangt af van het aantal waarop de sample is gebaseerd. Als de sample heel groot is, bv. 120 d.f. dan zie je dat de waarde erg lijken op de z-waarde (van normale verdeling). Bij een kleinere sample van 10 d.f. zie je een groter verschil, omdat daar sprake is van meer spreiding
T-verdeling is net zoals normaal verdeling symmetrisch. Als het aantal toeneemt, wordt hij klokvormiger en de mediaan, modus en het gemiddelde liggen in het midden
Wanneer gebruik je welke verdelen? vragen
- is de populatie normaal verdeeld?
- is de sigma bekend?
- populatie niet normaal verdeeld, maar sigma wel bekend? normale verdeling
- populatie niet normaal verdeeld, sigma onbekend? verdelingsvrije toetsen (niet voor dit blok)
- is de sigma bekend?
a. sigma bekend? –> normale verdeling (ongeacht of de groep groter of kleiner dan 15 is)
b. sigma onbekend
- kleine sample n<60: t-verdeling
- grote sample n>60: in theorie: een t-verdeling, maar doordat de sample zo groot is, is het bijna een normaal verdeling. In de praktijk dus: normale verdeling
chi2 verdeling
- vrijheidsgraden bepalen de vorm van de verdeling (deze bereken je door in een kruitabel te kijken naar het aantal rijen, in het aantal kolommen)
- chi2 verdeling loopt van 0-oneindig
populatie (iedereen)
- normale verdeling helpt om percentages te weergeven (hoeveel procent valt er binnen een bepaalde range)
- hoever ligt iets bij het gemiddelde vandaan
- hoe ziet de verdeling eruit als we random 1 iemand selecteren uit de populatie
steekproef (random selectie uit de populatie)
- met behulp van verdelingen en statistische toetsen kunnen we uitspraken doen over de populatie
- je kunt iets zeggen over het gemiddelde
- de spreiding rond het gemiddelde
- zitten er verschillen tussen populaties (hier kun je voor toetsen)
Betrouwbaarheidsinterval (BI)
= Indien we 100 x een aselecte steekproef zouden trekken van gelijke grootte uit dezelfde populatie en 100x een 95% b.i. bepalen, dan ligt het ware populatiegemiddelde 95 v/d 100x in het betrouwbaarheidsinterval (b.i.)
We hebben een methode toegepast waarin we in 95% van steekproeven een BI zouden trekken waarin het ware gemiddelde uit de populatie zit.
Wet van grote getallen (law of the large numbers)
= als we heel vaak een steekproef zouden nemen, dat dan het gemiddelde van al die steekproeven bij elkaar een goede benadering is voor het populatie gemiddelde.
Het gemiddelde uit 1 steekproef gebruiken we ook als populatiegemiddelde, maar daarbij geven we het BI om een range aan te geven, waarin het heel waarschijnlijk is dat het populatiegemiddelde daartussen zit.
BI voor mu berekenen
x ̅ ±Z * σ/(√(n)) < MU < x ̅ ±Z * σ/(√(n))
Voorwaarden voor berekenen BI
- random steekproef
- normale verdeling moet toepasbaar zijn
- sigma bekend –> heel onwaarschijnlijk (als deze niet bekend is kunnen we dus verder met de T-verdeling
standaarderror (s.e.) berekenen
S.e. = σ/√n of s/√n
waarom toetsen?
–> onzekerheid
- we gebruiken statistiek om conclusies uit data te trekken (bijv. we hebben een steekproef en we willen deze uiteindelijk gebruiken om iets te zeggen over de totale populatie)
- met behulp van toetsen kunnen we aangeven hoe waarschijnlijk onze conclusies zijn (bv. de effectiviteit van behandeling)
hypothese toetsen over populatie parameters
ho en ha
toets = de kans dat de data en de nul hyptohese (ho) in overeenstemming zijn
hoe groot is de kans (p waarde) gegeven dat h0 klopt?
- kleine p waarde, sterk bewijs tegen h0
- grote p waarde, geen sterk bewijs tegen h0
z toets versus t toets
z toets:
- gerandomiseerde steekproef
- toepassen als de sigma uit de populatie bekend is
- normale populatie of een grote steekproef (n groter of gelijk aan 15)
t toets:
- gerandomiseerde steekproef
- stigma uit de populatie niet bekend
- normale populatie of een grote steekproef (n groter of gelijk aan 60)
z toets versus t toets formule
z = (x ̅ -mu)/s.e.
t = (x ̅ -mu)/s√n
stappenplan toetsen
- bepaal de verdeling en de toets
- bepaal de hypothese over de populatie en de grenswaarde (alfa)
- bepaal de toetsingsgrootheid –> hoe ver ligt de data van H0
- bepaal de p-waarde en vergelijk deze met de grenswaarde
- formuleer een conclusie in woorden
Chi2 toets kenmerken
- nominaal (categorieën) en ordinaal (categorieën met een logische volgorde)
- we vergelijken observaties met verwachte waarden wanneer er geen samenhang zou zijn
- als er veel verschil zit tussen de geobserveerde en verwachte waarde, bewijs tegen nul hypothese
d.f. chi2
(r-1) * (c-1)
chi 2 formule
(O-E)^2 / E
O = geobserveerde cel frequentie E = verwachte cel frequentie
Interpretatie uitkomsten bij toetsen - waar moet je op letten
- kijk verder dan het eindoordeel –> basis voor conclusie
- significantie is niet gelijk aan relevantie (er kan een significant verschil kunnen worden gevonden tussen 2 groepen, maar dat betekent niet gelijk dat dit ook een relevant verschil is; kijk hiervoor goed naar de verschillen die in absolute termen gevonden worden)
Type 1 fout
Ho verwerpen, terwijl deze wel waar is. We verwerpen H0 dus ONTERECHT. Kans op type 1 fout = alfa. De alfa die we nemen, is dus ook de kans op een type 1 fout
Type 2 fout
we behouden de H0 hypothese, terwijl deze in werkelijkheid niet waar is. H0 had dus eigenlijk wél verworpen moeten worden
zinnetje wat je standaard kunt gebruiken bij het berekenen van de interval van een BI
“het interval … is tot stand gekomen met een methode die in 95% van de gevallen een interval zal opleveren waar het onbekende populatiegemiddelde ligt”
Stdev formule
- Bereken het gemiddelde.
- Bereken de afwijking van iedere waarde tot het gemiddelde en kwadrateer deze.
- Deel deze gekwadrateerde afwijkingen door het aantal observaties minus één.
- Neem de wortel van de variantie om de standaarddeviatie te krijgen.
Variantie formule
- Bereken het gemiddelde.
- Bereken de afwijking van iedere waarde tot het gemiddelde en kwadrateer elke waarde, tel ze daarna bij elkaar op.
- Deel deze gekwadrateerde afwijkingen door het aantal observaties min 1.
documentanalyse betekenis
= een analysetechniek waarbij documenten systematisch onderzocht en geïnterpreteerd worden met betrekking tot een bepaald onderwerp van onderzoek
wat zijn documenten?
= fysieke versus elektronische documenten (rapporten, boeken, uitnodigingen, advertenties etc.)
communicatieproducten
= documenten waarbij geen geschreven tekst is zoals, foto’s, kunstwerken, films etc.
Type documenten
- persoonlijke en niet persoonlijke documenten
- uitgelokte en niet uitgelokte documenten
- subjectieve en objectieve documenten
persoonlijk en niet persoonlijke documenten
persoonlijk: documenten die geschreven zijn voor persoonlijke redenen en dus niet voor buitenstaanders, gaat vooral om de ervaring –> brieven, memo’s, dagboeken, volledig getranscribeerde open interviews
niet persoonlijke: gericht op een brede groep van betrokkenen en geïnteresseerde, zijn vaak geschreven voor een bepaalde doelgroep, om gedrag van mensen te beïnvloeden
uitgelokte en niet uitgelokte documenten
uitgelokte: die worden geproduceerd op verzoek van iemand anders (door een onderzoeker)
niet-uitgelokte: worden gecreëerd door de persoon zelf, of op verzoek van iemand anders (geen onderzoeker
subjectieve en objectieve documenten
subjectieve: om gedrag van mensen te beïnvloeden; propaganda
objectieve: objectief verslag geven van de feiten (verslagen van vergaderingen, krantenartikelen, boeken, jaarverslagen)
triangulatie
= Je gebruikt het vaak in combinatie met andere kwalitatieve methode (zoals interviews, observaties) om het een dezelfde onderwerp te bestuderen = triangulatie vb. verzamelen van ervaringen van patiënt en naasten, van kwaliteit van zorg
–> door het gebruiken van verschillende bronnen, kan de onderzoeker de bevinding uit de ene bron valideren met de bevinding uit de andere bron (als ze overeenkomen draagt dit bij aan de betrouwbaarheid van de bevindingen –> manier om bevindingen te toetsen en bias tegen te gaan)
achtergrondinformatie (documentanalyse)
= kan worden gebruikt als achtergrondinformatie voor andere dataverzamelingsmethoden, kan helpen bij het opstellen van een interview, zodat je je kan inlezen –> goed om je in te lezen voor interviews, observaties etc.
onderdeel van mix methods (documentanalyse)
= zowel kwantitatief als kwalitatief onderzoeksmethode (vb. evaluatie van een subsidie programma, kwantitatief; vragenlijst, kwalitatief; interviews. Analyse van de eindverslagen is dan een documentanalyse)
kwalitatieve methode (documentanalyse)
= om inzicht te krijgen in voorvallen en gebeurtenissen die zich in het verleden hebben afgespeeld.
voordelen documentanalyse
- efficiënte methode (niet te reizen voor interviews of observaties)
- beschikbaar (makkelijk door internet)
- kosteneffectief (meestal geen kosten aan verbonden om data te verkrijgen)
- niet opdringerig/hinderlijk (niet een verzoek op andermans tijd en diensten)
- stabiliteit (niet -reactief; inhoud verandert niet, bij observaties kan dit wel zijn doordat men weet dat je observeert)
- nauwkeurigheid
- dekking (over grote tijdsbanden en verschillende omstandigheden)
nadelen documentanalyse
- onvoldoende details (vaak voor een andere rede opgesteld, dan jouw onderzoeksvraag en bevatten daardoor niet alle details om jouw onderzoeksvraag te beantwoorden
- moeilijk terug te halen (niet altijd beschikbaar, soms ook bewust)
- vooringenomen selectief (incomplete verzameling) biased selectivity
- niet letterlijke weergave van de realiteit (verslag van een vergadering zullen bijv. niet alle details van het conflict in terugkomen)
Waar zoek je documenten?
- archieven
- online data bases
- bibliotheken
- lexisnexis
- coosto
Hoe zoek je documenten?
- bestudeer woordgebruik
- selecteer termen
- bedenk synoniemen
- maak zoekcombinaties
- identificeer documenten
- sluit overeenkomst (zorgen dat je het document kan bekijken/gebruiken)
Wanneer is een document kwalitatief goed/betrouwbaar?
- authentiek: het document is echt, van betrouwbare oorsprong
- geloofwaardig - document moet geen fouten bevatten of een vertekend beeld geven (gaat het om de originele tekst of een representatie waarbij het wat ‘kleurrijker’ wordt weergegeven dan het daadwerkelijk is
- representatief - is het typisch in zijn soort, dus is de selectie documenten representatief voor alle documenten die er zijn
- betekenisvol - is het document duidelijk en begrijpelijk
wanneer is de analyse valide en betrouwbaar?
- identificeren relevante zoektermen
- gestructureerde zoekstrategie (als de zoekstrategie door een ander wordt uitgevoerd moeten daar dezelfde dingen uitkomen)
- verschillende databases (om te reflecteren op de kwaliteit van de bron)
- reflectie bron
- in combinatie met andere methoden
inhoudsanalyse
= (content analysis) systematische onderzoekstechniek om de inhoud van data te onderzoeken en daarmee kennis op te doen
Berelson = meer kwantitatief Gray = meer als een deductief proces
Wanneer gebruik je een inhoudsanalyse
Met name gebruikt als methode binnen de sociale wetenschappen, waarbij tekstmateriaal wordt onderzocht zoals verkiezingsprogramma’s, reclameteksten, nieuwsberichten; –> analyse van de inhoud van communicatie die in de vormen van teksten beschikbaar is en waarbij je wilt weten…
• Hoe een bepaald onderwerp/begrip voorkomt
• Hoe vaak een bepaald onderwerp/begrip voorkomt
• Verschillen in hoe en hoe vaak inhoud voorkomt
voor- en nadelen inhoudsanalyse
voordelen:
- kostenefficiënt (goedkoop te verkrijgen)
- herhaalbaar
nadelen:
- interpretatie (geen uitspraken over de intentie of beweging)
- bias door bron (weerspiegelt de weergeving daadwerkelijk de realiteit)
Wat is nodig voor een inhoudsanalyse
- bepaal je onderzoeksvraag
- bepaal hoe je de vraag kan beantwoorden (welke documenten zijn hiervoor nodig)
- bepaal wat je moet weten (wat moet je analyseren en coderen om antwoord te geven op de onderzoeksvraag)
Hoe voer je een inhoudsanalyse uit?
- samenvatten - data samenvatten door gelijkwaardige parafrasen te bundelen en niet relevante dingen te verwijderen
- verhelderen/verduidelijken - dubbelzinnige of tegenstrijdige passages verwijderen
- structureren - structuren in materiaal worden geïdentificeerd, belangrijke kenmerken van het materiaal worden ontrafelt (kan worden gedaan door coderen)
wanneer is een inhoudsanalyse betrouwbaar?
- codes sluiten aan bij wat je wilt weten
- codering is herhaalbaar met codeboek (zelfde resultaten als iemand het onderzoek zou doen)
BI zinnetje
Dat de methode die we gebruiken om betrouwbaarheidsintervallen te berekenen in 95% van alle gevallen een interval oplevert waar het populatiegemiddelde in ligt.
H0
= geen samenhang tussen de variabelen
Ha
= wel samenhang tussen de variabelen
